procesamiento del lenguaje natural
Todas las noticias con este tag.
Ver estadísticas de este tema
Noticias por hora
Últimas 24 horas · hora argentina
Consultar los valores por hora
| Hora | Noticias |
|---|---|
| 13 nov 2026, 7:00 p. m. | 0 |
| 13 nov 2026, 8:00 p. m. | 0 |
| 13 nov 2026, 9:00 p. m. | 0 |
| 13 nov 2026, 10:00 p. m. | 0 |
| 13 nov 2026, 11:00 p. m. | 0 |
| 14 nov 2026, 12:00 a. m. | 0 |
| 14 nov 2026, 1:00 a. m. | 0 |
| 14 nov 2026, 2:00 a. m. | 0 |
| 14 nov 2026, 3:00 a. m. | 0 |
| 14 nov 2026, 4:00 a. m. | 0 |
| 14 nov 2026, 5:00 a. m. | 0 |
| 14 nov 2026, 6:00 a. m. | 0 |
| 14 nov 2026, 7:00 a. m. | 0 |
| 14 nov 2026, 8:00 a. m. | 0 |
| 14 nov 2026, 9:00 a. m. | 0 |
| 14 nov 2026, 10:00 a. m. | 0 |
| 14 nov 2026, 11:00 a. m. | 0 |
| 14 nov 2026, 12:00 p. m. | 0 |
| 14 nov 2026, 1:00 p. m. | 0 |
| 14 nov 2026, 2:00 p. m. | 0 |
| 14 nov 2026, 3:00 p. m. | 0 |
| 14 nov 2026, 4:00 p. m. | 0 |
| 14 nov 2026, 5:00 p. m. | 0 |
| 14 nov 2026, 6:00 p. m. | 0 |
| 14 nov 2026, 7:00 p. m. | 0 |
Noticias por día
Últimos 30 días, incluido hoy · hora argentina
Consultar los valores por día
| Día | Noticias |
|---|---|
| 2026-10-16 | 0 |
| 2026-10-17 | 0 |
| 2026-10-18 | 0 |
| 2026-10-19 | 0 |
| 2026-10-20 | 0 |
| 2026-10-21 | 0 |
| 2026-10-22 | 0 |
| 2026-10-23 | 0 |
| 2026-10-24 | 0 |
| 2026-10-25 | 0 |
| 2026-10-26 | 0 |
| 2026-10-27 | 0 |
| 2026-10-28 | 0 |
| 2026-10-29 | 0 |
| 2026-10-30 | 0 |
| 2026-10-31 | 0 |
| 2026-11-01 | 0 |
| 2026-11-02 | 0 |
| 2026-11-03 | 1 |
| 2026-11-04 | 1 |
| 2026-11-05 | 0 |
| 2026-11-06 | 0 |
| 2026-11-07 | 0 |
| 2026-11-08 | 0 |
| 2026-11-09 | 0 |
| 2026-11-10 | 1 |
| 2026-11-11 | 0 |
| 2026-11-12 | 0 |
| 2026-11-13 | 0 |
| 2026-11-14 | 0 |
Los gráficos cuentan por fecha de publicación y respetan los filtros. El archivo incluye todo el histórico.
Noticias de procesamiento del lenguaje natural
4 noticias · De más nuevas a más antiguas.
arXiv Computer Science AI¿Hecho o rumor? Cómo el encuadre y la elicitación moldean las actualizaciones de probabilidad de LLM
El estudio mide las actualizaciones de probabilidad de Modelos de Lenguaje Grande (LLM) en pares premisa-hipótesis utilizando la familia Multi-Candidate Verbalization (MCV). Se analizan diferentes métodos de elicitación, incluyendo estimaciones directas y ponderadas, para evaluar cómo el encuadre afecta las actualizaciones de probabilidad. Los resultados indican que ciertas configuraciones de LLM muestran comportamientos específicos en relación con la precisión de las predicciones.
AegisVox: Privacidad factorizada y preservación clínica para el habla de larga duración
Se presenta AegisVox, un marco factorizado diseñado para proteger la privacidad en el habla clínica mediante la asignación de voces sustitutas consistentes y la edición de turnos identificadores. El sistema compara la realización de reemplazo entre diferentes renderizadores de texto a voz y evalúa la preservación clínica y el vínculo del hablante. El objetivo es evaluar los compromisos entre la realización de reemplazo y la precisión clínica o el vínculo del hablante.
Tech XploreModelos de IA líderes están sesgados contra ciertos acentos al calificar entrevistas, presentaciones y pruebas
Investigadores de la Universidad de Washington encontraron que los modelos de IA de última generación están sesgados contra hablantes con ciertos acentos al evaluar entrevistas, presentaciones y pruebas de inglés. Los modelos evaluaron cinco acentos (americano, británico, chino, indio y nigeriano), clasificando a los acentos americano y británico como los más altos y a los chino y nigeriano como los más bajos. El estudio sugiere que el sesgo puede provenir de datos de entrenamiento que subrepresentan ciertas poblaciones o de métodos que refuerzan expectativas sobre cómo debe sonar un hablante profesional.
Hugging Face BlogHugging Face presenta la búsqueda contrastiva para generar texto de nivel humano en Transformers
Hugging Face publicó una entrada de blog que presenta la búsqueda contrastiva, un método de decodificación para la generación de texto neuronal disponible en la biblioteca transformers tanto en PyTorch como en TensorFlow. El método, propuesto en NeurIPS 2022, combina la confianza del modelo con una penalización por degeneración para evitar repeticiones sin perder coherencia semántica. Los autores sostienen que permite generar texto de nivel humano con modelos de lenguaje listos para usar en 16 idiomas.